深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
10081	2024-12-24	Research progress and prospect of key technologies of fruit target recognition for robotic fruit picking 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1423338 PMID:39711588	综述	本文综述了机器视觉在果园水果采摘中目标识别的应用和研究成果，重点介绍了传统数字图像处理方法和基于深度学习的目标识别方法	本文总结了传统数字图像处理方法的研究进展，并介绍了基于深度学习的水果目标识别方法，包括目标识别过程、数据集的准备和分类，以及目标识别算法在分类、检测、分割和压缩加速网络模型方面的研究成果	本文指出了当前果园水果目标识别任务在数据集、模型适用性、应用场景的普遍性、识别任务的难度和算法稳定性等方面存在的不足	回顾果园水果采摘中目标识别的关键技术研究进展，并展望未来发展	果园中的水果目标识别	计算机视觉	NA	机器视觉	深度学习模型	图像	NA
10082	2024-12-24	Clinical concept annotation with contextual word embedding in active transfer learning environment 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241308987 PMID:39711738	研究论文	本文提出了一种在主动迁移学习环境中使用上下文词嵌入的临床概念自动提取和分类方法	本文创新性地结合了主动学习和上下文词嵌入模型（如SCIBERT和CNN）来提高临床概念提取的效率和准确性	本文的实验仅使用了i2b2公共数据集，未来研究可以扩展到更多样化的数据集以验证方法的泛化能力	研究目的是提出一种自动从非结构化数据中提取临床概念并分类的方法，同时保持高精度和召回率	研究对象是从非结构化数据中提取的临床概念，包括问题、治疗和测试等类别	自然语言处理	NA	上下文词嵌入（BERT、ClinicalBERT、DistilBERT、SCIBERT）	卷积神经网络（CNN）	文本	426份临床笔记
10083	2024-12-24	Deep learning enhanced quantum holography with undetected photons 2024, PhotoniX IF:15.7Q1 DOI:10.1186/s43074-024-00155-2 PMID:39711807	研究论文	本文提出了一种利用深度学习增强量子全息术（QHUP）的方法，通过深度学习从单次全息图中提取图像，显著减少了噪声和失真，并提高了空间分辨率	本文的创新点在于将深度学习技术应用于量子全息术，提出了一种新的深度学习增强量子全息术（DL-QHUP）方法，显著提升了图像质量和空间分辨率	NA	本文的研究目的是通过深度学习技术解决量子全息术中的相位扰动、低干涉可见性和有限空间分辨率等问题	本文的研究对象是量子全息术（QHUP）及其在图像生成中的应用	NA	NA	深度学习	NA	图像	NA
10084	2024-12-24	Label-Efficient Self-Supervised Federated Learning for Tackling Data Heterogeneity in Medical Imaging 2023-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3233574 PMID:37018314	研究论文	本文提出了一种用于医学图像分析的鲁棒且高效的标签自监督联邦学习框架，通过Transformer和掩码图像建模来解决数据异质性问题	引入了一种基于Transformer的自监督预训练范式，直接在分散的目标任务数据集上进行预训练，以增强对异质数据的鲁棒表示学习和有效的知识迁移	未提及具体限制	解决联邦学习中由于数据异质性和缺乏高质量标签数据导致性能下降的问题	医学图像分类任务，包括视网膜、皮肤病和胸部X光分类	计算机视觉	NA	联邦学习 (FL)	Transformer	图像	模拟和真实世界的非独立同分布 (non-IID) 医学图像数据集
10085	2024-12-24	Federated Active Learning for Multicenter Collaborative Disease Diagnosis 2023-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3227563 PMID:37015520	研究论文	本文提出了两种联邦主动学习方法，用于多中心协作疾病诊断，以提高数据和客户端的效率	提出了Labeling Efficient Federated Active Learning (LEFAL)和Training Efficient Federated Active Learning (TEFAL)两种方法，分别通过任务无关的混合采样策略和客户端信息评估来提高数据和客户端的效率	未提及具体限制	解决多中心协作疾病诊断中的大规模标注负担、隐私保护和模型泛化问题	多中心协作疾病诊断	计算机视觉	胃肠道疾病, COVID-19	联邦主动学习	NA	图像	Hyper-Kvasir数据集（65%标注数据）, CC-CCII数据集（50次迭代）
10086	2024-12-24	Deep learning based registration of serial whole-slide histopathology images in different stains 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100311 PMID:37214150	研究论文	本文提出了一种基于深度学习的注册网络CGNReg，用于在不同染色下对连续的全切片病理图像进行空间对齐	本文提出了一种新的基于深度学习的注册网络CGNReg，能够在没有先验变形信息的情况下，对H&E和IHC标记的连续全切片图像进行空间对齐	本文的局限性在于仅在乳腺癌患者的数据集上进行了评估，未来需要在更多类型的病理图像上进行验证	研究目的是对多染色病理全切片图像块的连续切片进行注册	研究对象是H&E和IHC标记的连续全切片病理图像	数字病理学	乳腺癌	深度学习	全卷积网络	图像	76名乳腺癌患者，每位患者有1张H&E和2张IHC连续全切片图像
10087	2024-12-24	Pan-tumor T-lymphocyte detection using deep neural networks: Recommendations for transfer learning in immunohistochemistry 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100301 PMID:36994311	研究论文	本文研究了使用深度神经网络进行泛肿瘤T淋巴细胞检测，并提出了在免疫组化中进行迁移学习的建议	本文采用了RetinaNet架构进行T淋巴细胞检测，并通过迁移学习减少了不同肿瘤类型之间的领域差距，提高了算法的鲁棒性	本文的实验主要在特定数据集上进行，未涵盖所有可能的病理实验室或样本类型	研究如何通过计算机辅助系统高效量化肿瘤中的免疫细胞，并提高免疫细胞评分算法的鲁棒性和可重复性	泛肿瘤中的T淋巴细胞	计算机视觉	NA	深度学习	RetinaNet	图像	具体样本数量未在摘要中提及
10088	2024-12-24	Fully automatic prognostic biomarker extraction from metastatic prostate lesion segmentations in whole-body [68Ga]Ga-PSMA-11 PET/CT images 2022-Dec, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-022-05927-1 PMID:35976392	研究论文	本研究开发并评估了一种基于深度学习的自动化分割框架，用于从全身[68Ga]Ga-PSMA-11 PET/CT图像中提取转移性前列腺癌（mPCa）病变的患者水平预后生物标志物	提出了一个基于自配置nnU-Net框架的全3D卷积神经网络（CNN），用于自动分割转移性前列腺癌病变，并提取与患者总体生存相关的预后生物标志物	NA	开发和评估一种自动化分割框架，用于从全身[68Ga]Ga-PSMA-11 PET/CT图像中提取转移性前列腺癌病变的患者水平预后生物标志物	转移性前列腺癌（mPCa）病变的患者水平预后生物标志物	数字病理学	前列腺癌	深度学习	CNN	图像	337例[68Ga]Ga-PSMA-11 PET/CT图像
10089	2024-12-24	Sudden cardiac death in adults with congenital heart disease: Lessons to Learn from the ATROPOS registry 2022-Sep, International journal of cardiology. Congenital heart disease DOI:10.1016/j.ijcchd.2022.100396 PMID:39713548	研究论文	本文探讨了成人先天性心脏病患者中突发性心脏死亡的风险因素，并介绍了ATROPOS注册研究的目标和方法	利用ATROPOS注册研究收集数据，并通过深度学习算法进行分析，以识别可靠的风险因素	由于成人先天性心脏病患者的总数较少，数据有限，且该群体异质性高，难以定义统一的风险因素	识别成人先天性心脏病患者突发性心脏死亡的可靠风险因素	成人先天性心脏病患者及其突发性心脏死亡事件	NA	心血管疾病	深度学习算法	NA	NA	NA
10090	2024-12-23	Achieving accurate prostate auto-segmentation on CT in the absence of MR imaging 2025-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110588 PMID:39419353	研究论文	本研究探讨了在没有MRI的情况下，通过深度学习模型使用CT图像实现前列腺自动分割的可能性	提出了基于CT-MRI配准信息的增量学习策略，显著提高了前列腺分割的准确性	研究样本量较小，且仅限于前列腺放射治疗患者	在没有MRI的情况下，通过CT图像实现前列腺自动分割，达到MRI级别的准确性	前列腺的自动分割	数字病理学	前列腺癌	深度学习	深度学习模型	图像	111名前列腺放射治疗患者
10091	2024-12-23	A feasibility study of dose-band prediction in radiation therapy: Predicting a spectrum of plan dose 2025-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110593 PMID:39489427	研究论文	本文提出了一种新的剂量预测方法——剂量带预测，用于放射治疗中的计划和质量保证	提出了剂量带预测方法，能够提供一系列预测的剂量分布，增加了预测的灵活性和准确性	NA	克服现有深度学习剂量预测方法只能预测单一剂量分布的局限性	鼻咽癌和宫颈癌病例的剂量分布预测	机器学习	癌症	3D神经网络	UBM/LBM	图像	104例鼻咽癌病例（Tomotherapy），54例宫颈癌病例（IMRT），37例宫颈癌病例（VMAT）
10092	2024-12-23	Osteoarthritis year in review 2024: Imaging 2025-Jan, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2024.10.009 PMID:39490728	综述	本文回顾了2024年期间关于骨关节炎（OA）影像学的最新文献，并识别了当前OA影像学研究的趋势	本文涵盖了AI在OA影像学中的新兴应用，并指出AI工具在OA影像学研究中的应用逐渐增加	本文未提及具体的AI模型或技术细节，且未讨论AI在OA影像学中的潜在局限性	回顾和总结2024年期间关于骨关节炎影像学的研究进展	骨关节炎的影像学研究，特别是膝关节和髋关节的影像学研究	NA	骨关节炎	CT、MRI、超声、DXA、AI	NA	影像	涉及多个观察性研究，如多中心骨关节炎研究、鹿特丹研究、SEKOIA研究等
10093	2024-12-23	Structural-based uncertainty in deep learning across anatomical scales: Analysis in white matter lesion segmentation 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109336 PMID:39546878	研究论文	本文探讨了在多发性硬化症患者的磁共振成像扫描中，基于结构的不确定性在深度学习白质病变分割中的应用	开发了新的测量方法来量化病变和患者尺度上的不确定性，并扩展了错误保留曲线分析框架以评估不确定性量化性能	NA	验证不同解剖尺度上的不确定性与特定类型错误之间的关系	多发性硬化症患者的白质病变分割	计算机视觉	神经系统疾病	深度学习	NA	图像	444名患者的多中心MRI数据集
10094	2024-12-23	Augmenting a spine CT scans dataset using VAEs, GANs, and transfer learning for improved detection of vertebral compression fractures 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109446 PMID:39550911	研究论文	本文通过使用变分自编码器（VAEs）、生成对抗网络（GANs）和迁移学习来增强脊柱CT扫描数据集，以提高椎体压缩性骨折的检测	本文创新性地使用VAE-GAN模型生成高质量的合成数据，并通过迁移学习将其应用于真实数据集，显著提高了分类准确率	本文仅在特定数据集上进行了验证，未来需要在更多不同来源的数据集上进行验证	提高AI系统对椎体压缩性骨折的早期自动检测能力，填补医疗保健中的关键空白	椎体压缩性骨折的检测	计算机视觉	骨骼疾病	生成对抗网络（GANs）、变分自编码器（VAEs）、迁移学习	卷积神经网络（CNN）	图像	来自AUBMC的胸部CT扫描数据集，以及基于CTSpine1K数据集生成的合成数据
10095	2024-12-23	Leveraging AI technology for distinguishing Eucommiae Cortex processing levels and evaluating anti-fatigue potential 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109408 PMID:39550909	研究论文	利用深度学习技术区分杜仲皮的不同加工等级并评估其抗疲劳潜力	首次使用ResNet和Vision Transformer模型对杜仲皮图像进行自动分类，并评估不同加工等级杜仲皮的抗疲劳效果	研究仅在动物模型上进行，尚未在人体中验证效果	开发一种准确、快速且无创的方法来评估杜仲皮的加工等级及其抗疲劳潜力	杜仲皮的不同加工等级及其抗疲劳效果	计算机视觉	NA	深度学习	ResNet, Vision Transformer	图像	使用小鼠进行实验，具体数量未提及
10096	2024-12-23	Data augmentation with generative models improves detection of Non-B DNA structures 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109440 PMID:39550912	研究论文	本文研究了使用生成模型进行数据增强以改进非B DNA结构检测的方法	本文首次测试了扩散模型与其他生成模型在生成合成非B DNA结构方面的性能，并展示了数据增强对分类器质量的改进	本文指出在生成样本质量、多样性和采样速度之间存在权衡	测试不同生成模型在生成合成非B DNA结构以进行数据增强时的性能	非B DNA结构（flipons）	机器学习	NA	生成模型	扩散模型（DDPM和DDIM）、Wasserstein生成对抗网络（WGAN）、向量量化变分自编码器（VQ-VAE）	DNA序列	NA
10097	2024-12-23	Predicting brain age with global-local attention network from multimodal neuroimaging data: Accuracy, generalizability, and behavioral associations 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109411 PMID:39556917	研究论文	本研究探讨了通过整合结构MRI和扩散MRI数据，利用基于注意力机制的深度学习模型来提高大脑年龄预测的准确性和泛化能力，并分析了预测大脑年龄与行为测量之间的关系	提出了一个基于注意力机制的深度学习模型，融合了结构MRI的全局信息和扩散MRI的局部细节，显著提高了大脑年龄预测的准确性和泛化能力	尽管多模态模型在可重复性上表现优异，但在纵向一致性上略逊于单一模态模型	研究通过整合多模态神经影像数据来提高大脑年龄预测的准确性和泛化能力，并探讨预测大脑年龄与行为测量之间的关系	大脑年龄预测模型及其与行为测量的关联	机器学习	NA	MRI	注意力网络	图像	使用了两个大型数据集：HCP数据集（n=1064，年龄22-37）和Cam-CAN数据集（n=639，年龄18-88），并在三个独立数据集（n=546，年龄20-86）上测试了泛化能力，在测试-重测试数据集（n=44，年龄22-35）上验证了可重复性，并在纵向数据集（n=129，年龄46-92）上评估了纵向一致性
10098	2024-12-23	Automatic discrimination between neuroendocrine carcinomas and grade 3 neuroendocrine tumors by deep learning of H&E images 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109443 PMID:39577349	研究论文	本文开发了一种基于深度学习的系统NEToC，用于通过H&E染色图像自动区分神经内分泌癌和3级神经内分泌肿瘤	NEToC系统通过仅使用形态学信息而不依赖Ki-67或有丝分裂评估来区分神经内分泌肿瘤和癌，提供了一种新的诊断方法	系统在处理低级别神经内分泌肿瘤时存在误分类问题，主要表现为将G1型图像错误分类为癌型	开发一种能够准确区分神经内分泌癌和3级神经内分泌肿瘤的深度学习系统，以辅助病理诊断	神经内分泌肿瘤和癌的区分	数字病理学	NA	深度学习	人工神经网络	图像	95例神经内分泌肿瘤病例，包含588张图像
10099	2024-12-23	Deep learning-based denoising for unbiased analysis of morphology and stiffness in amyloid fibrils 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109410 PMID:39577350	研究论文	本研究开发了一种基于U-Net深度学习架构的去噪软件，用于提高原子力显微镜（AFM）图像中淀粉样纤维形态和刚度的分析精度	首次使用深度学习技术对AFM图像进行去噪处理，并开发了自动化的纤维分析技术，提高了淀粉样纤维形态和刚度的量化精度	NA	提高淀粉样纤维形态和刚度的分析精度，推动淀粉样相关疾病的研究	淀粉样纤维的形态和刚度	计算机视觉	老年性疾病	原子力显微镜（AFM）	U-Net	图像	NA
10100	2024-12-23	Multi-scale multimodal deep learning framework for Alzheimer's disease diagnosis 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109438 PMID:39579666	研究论文	本文提出了一种多模态和多尺度的深度学习框架，用于阿尔茨海默病的诊断	本文创新点在于开发了一种多模态和多尺度的深度学习模型，通过多尺度卷积神经网络嵌入和多模态尺度融合机制，有效利用了多模态和多尺度神经影像数据的交互，提升了特征提取和交互能力	本文未提及具体的局限性	开发一种新的深度学习框架，以提高阿尔茨海默病的诊断准确性	阿尔茨海默病的诊断	机器学习	阿尔茨海默病	卷积神经网络	CNN	图像	ADNI数据集